城市日用水量预测模型比较研究

被引：7

作者：

蒋白懿 ^{[1
]}

代进 ^{[1
]}

高金良 ^{[2
]}

机构：

[1] 沈阳建筑大学市政与环境工程学院

[2] 哈尔滨工业大学市政环境工程学院

来源：

沈阳建筑大学学报(自然科学版) | 2008年 / 02期

基金：

黑龙江省自然科学基金;

关键词：

城市用水量; 短期预测; 灰色模型; BP神经网络; 单指数平滑法;

D O I：

暂无

中图分类号：

TU991.31 [用水量];

学科分类号：

0815 ;

摘要：

目的为保障预测结果准确可靠,建立精度高、可靠性强的城市日用水量模型.方法应用单指数平滑法、灰色方法与BP神经网络方法,分别建立相应日用水量预测模型,并以哈尔滨市的日用水量数据为原始数据进行了实际预测.结果单指数平滑法与BP神经网络模型预测精度较高.用灰色模型预测,所得数值呈递减趋势,其预测精度最低.结论BP网络预测模型是最有效的日用水量预测模型.如果日用水量变化不大,还可采用单指数平滑法预测日用水量.

引用

页码：278 / 281

页数：4

共 10 条

[1] 城市用水量BP网络预测模型 [J].

袁一星 ;

兰宏娟 ;

赵洪宾 ;

高金良 ;

张爱民 .

哈尔滨建筑大学学报, 2002, (03) :56-58

[2] 灰色递补模型在城市需水量预测中的应用 [J].

傅金祥 ;

朱志锋 ;

马兴冠 ;

由昆 ;

刘畅 ;

周伟伟 .

沈阳建筑大学学报(自然科学版), 2007, (04) :631-634

[3]

Forecasting Hourly Water Demand of Pattern Approach. Leonid Shvars,Mordechai Feldman. Water SA . 2003

[4]

Forecasting operational demand for an urban water supply zone. ZHOU S L,MCMAHON T A,WALTON A,et al. Journal of Hydrodynamics . 2002

[5]

Short-Term Water DemandForecast Modeling Techniques-Conventional MethodsVersus AI. JAIN A,ORMSBEE L E. Journal American Water Works Associa-tion . 2002

[6]

Forecast-ing daily urban water demand:a case study of Mel-bourne. Zhou S L,McMahon T A,Walton A,et al. Journal of Hydronautics . 2000

[7]

灰色预测与决策[M]. 华中工学院出版社 , 邓聚龙著, 1986

[8]

给水管网系统理论与分析[M]. 中国建筑工业出版社 , 赵洪宾著, 2003

[9] 人工神经网络用于建筑工程领域的数据处理方法 [J].

姜绍飞 .

哈尔滨建筑大学学报, 1999, (05) :24-28

[10] 利用BP网络建立预测城市用水量模型 [J].

单金林 ;

戴雄奇 ;

李江涛 .

中国给水排水, 2001, (08) :61-63

← 1 →